Viele moderne Fahrerassistenzsysteme basieren auf einer Kenntnis uber die zukunftige Fahrzeugtrajektorie. Dafur wird in dieser Arbeit zunachst ein empirisch hergeleitetes, effizientes Berechnungsmodell vorgestellt, welches auf Basis des historischen Krummungsverlaufs komplexe Trajektorienverlaufe pradizieren kann. Im nachsten Schritt wird das Modell durch eine Parametrierung erweitert, welche durch ein Maschinelles Lernverfahren anhand zusatzlicher Fahrzeug- und Umfelddaten situativ geschatzt wird. Dadurch wird fruhzeitig die Fahrerintention analysiert und fur die Kurspradiktion berucksichtigt. Mit einer durchschnittlichen Kursabweichung von nur 0.17 m bei 3 s Pradiktionszeit eroffnen sich viele Einsatzmoglichkeiten; in Form eines Kollisionswarnsystems wird ein typisches Anwendungsszenario vorgestellt und ausgewertet.
展开▼
